持续学习技能（Continuous Learning Skill）

Claude Code 会话结束时自动进行评估，提取可作为已学习技能保存的可重用模式（Pattern）。

工作原理（How it Works）

此技能在每个会话结束时作为 Stop 钩子（Hook） 执行：

1. 会话评估：检查会话是否有足够的消息（默认：10 条以上）
2. 模式检测：识别可从会话中提取的模式
3. 技能提取：将有用的模式保存到 ~/.claude/skills/learned/

配置（Configuration）

通过编辑 config.json 进行自定义：

{
  "min_session_length": 10,
  "extraction_threshold": "medium",
  "auto_approve": false,
  "learned_skills_path": "~/.claude/skills/learned/",
  "patterns_to_detect": [
    "error_resolution",
    "user_corrections",
    "workarounds",
    "debugging_techniques",
    "project_specific"
  ],
  "ignore_patterns": [
    "simple_typos",
    "one_time_fixes",
    "external_api_issues"
  ]
}

模式类型（Pattern Types）

模式	描述
error_resolution	特定错误的解决方法
user_corrections	来自用户修正的模式
workarounds	针对框架/库特性的解决方案
debugging_techniques	有效的调试方法（Debugging Approaches）
project_specific	项目特定的约定

钩子配置（Hook Configuration）

添加到 ~/.claude/settings.json：

{
  "hooks": {
    "Stop": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning/evaluate-session.sh"
      }]
    }]
  }
}

为什么使用 Stop 钩子

• 轻量：仅在会话（Session）结束时执行一次
• 非阻塞：不会给每条消息增加延迟（Latency）
• 完整上下文：可以访问整个会话的转录内容

相关项目

• The Longform Guide - 关于持续学习的部分
• /learn 命令 - 会话中的手动模式提取

---

对比笔记（调查：2025年1月）

vs Homunculus

Homunculus v2 采用了更精细的方法：

功能	当前方法	Homunculus v2
观察	Stop 钩子 (会话结束时)	PreToolUse/PostToolUse 钩子 (100% 可靠性)
分析	主上下文 (Main Context)	后台智能体 (Background Agent, Haiku)
粒度	完整的技能	原子级的“本能 (Instinct)”
置信度	无	0.3-0.9 的权重分配
演进	直接转换为技能	本能 → 集群 → 技能/命令/智能体
共享	无	本能的导出/导入

homunculus 的重要洞察：

"v1 依赖技能进行观察。技能是概率性的，触发率约为 50-80%。v2 使用钩子（100% 可靠性）进行观察，并使用本能作为学习行为的原子单位。"

v2 的潜在改进

1. 基于本能的学习 - 具有置信度评分的更小、原子级的行为
2. 后台观察者 - 并行分析的 Haiku 智能体
3. 置信度衰减 - 在发生冲突时降低本能的置信度
4. 领域标签 - 代码风格、测试、git、调试等
5. 演进路径 - 将相关的本能聚类为技能/命令/智能体

详细信息：请参阅 /Users/affoon/Documents/tasks/12-continuous-learning-v2.md。